fourmi的笔记本

摘要： 论文原址:https://arxiv.org/pdf/1903.06586.pdf github: https://github.com/implus/SKNet 摘要 在标准的卷积网络中，每层网络中神经元的感受野的大小都是相同的。在神经学中，视觉神经元感受野的大小是由刺激机制构建的，而在卷积网络中 阅读全文

摘要： 论文原址:https://arxiv.org/abs/1709.01507 github:https://github.com/hujie-frank/SENet 摘要 卷积网络的关键构件是卷积操作，在每层感受野的范围内通过融合局部及channel-wise信息可以使网络构建特征。一些研究关注空间组 阅读全文

摘要： 论文原址：https://arxiv.org/abs/1904.01169 摘要 视觉任务中多尺寸的特征表示十分重要，作为backbone的CNN的对尺寸表征能力越强，性能提升越大。目前，大多数多尺寸的表示方法是layer-wise的。本文提出的Res2Net通过在单一残差块中对残差连接进行分级，进 阅读全文

摘要： 论文原址：https://arxiv.org/abs/1904.03797 摘要 FoveaBox属于anchor-free的目标检测网络，FoveaBox直接学习可能存在的图片种可能存在的目标，这期间并不需要anchor作为参考。主要靠两方面实现:（1）产生类别敏感的语义map用于表示目标物存在的 阅读全文

摘要： 论文原址：https://arxiv.org/abs/1901.08043 github: https://github.com/xingyizhou/ExtremeNet 摘要 本文利用一个关键点检测网络来检测目标物的最左边，最右边，顶部，底部及目标物中心五个点。如果这几个点在几何空间上对齐，则生 阅读全文

摘要： 论文原址：https://arxiv.org/abs/1509.04874 github:https://github.com/CaptainEven/DenseBox 摘要 本文先提出了一个问题:如何将全卷积网络应用到目标检测中去？本文提出DenseBox，一个集成的FCN 框架可以直接在图像的位 阅读全文

摘要： 论文原址：https://arxiv.org/pdf/1811.05181.pdf github:https://github.com/libuyu/GHM_Detection 摘要 尽管单阶段的检测器速度较快，但在训练时存在以下几点不足，正负样本之间的巨大差距，同样，easy,hard样本的巨大差 阅读全文

摘要： 论文原址：https://arxiv.org/pdf/1904.02701.pdf github:https://github.com/OceanPang/Libra_R-CNN 摘要 相比模型的结构，关注度较少的训练过程对于检测器的成功检测也是十分重要的。本文发现，检测性能主要受限于训练时，sam 阅读全文

摘要： 论文原址：https://arxiv.org/pdf/1904.08900.pdf github:https://github.com/princeton-vl/CornerNet-Lite 摘要 基于关键点模式进行目标检测是一种新的方法，他并不需要依赖于anchor boxes，是一种精简的检测网 阅读全文

摘要： 论文链接：https://arxiv.org/abs/1904.08189 github：https://github.com/Duankaiwen/CenterNet 摘要 目标检测中，基于关键点的方法经常出现大量不正确的边界框，主要是由于缺乏对相关剪裁区域的额外监督造成的。本文提出一种有效的方法 阅读全文